A*-Thought-V2: Efficient Latent Reasoning via Geometric Dynamics of LLM

• 类型：arxiv
• 标识：2609.07821
• 链接：https://arxiv.org/abs/2609.07821
• 主分类：risk
• 形态：method
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：A*-Thought-V2 is presented, a geometric dynamics of LLM guided framework that models CoT as a hidden-state trajectory and replaces hard deletion with an explicit-implicit interleaved latent architecture that reflects broader soft targets that encourage richer step-level feature learning.
• OpenAlex ID：W7211990310
• OpenAlex DOI：10.48550/arxiv.2609.07821
• DOI：10.48550/arxiv.2609.07821
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2609.07821
• OpenAlex更新：2026-09-11
• 待LLM分类：否
• 标题中文：A*-Thought-V2：通过 LLM 几何动力学实现高效潜在推理
• TLDR中文：提出 A*-Thought-V2，一个由 LLM 引导的几何动力学框架，将 CoT 建模为隐状态轨迹，并以显式-隐式交错潜在架构替代硬删除，引入更广义的软目标以促进更丰富的步骤级特征学习。
• 来源文件：
• /inbox/tom/_candidates/2026-09-09-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]